Every 不是传统意义上的创业公司，它是 AI 优先运营的先锋。

仅 15 人的团队，每天发布 AI 新闻简报，同时驱动多款 AI 产品和年营收数百万的咨询业务。

更惊人的是，Every 的工程师几乎不编写代码，他们用 AI 重塑工作流程和产品构建方式。

Dan Shipper 在业界被视为 AI 务实主义的倡导者，他的团队正引领一场关于效率与创新的新范式。

以下内容为 Dan 在Lenny's Podcast栏目中亲述的 Every AI 原生创业之路。

访谈内容原汁原味呈现于下：

Lenny Rachitsky：Dan，非常欢迎你参加节目。

Dan Shipper：感谢邀请。我一直是你的关注者，今天很高兴来到这里。

Lenny Rachitsky：我也是，非常期待这次对话。我们有太多话题可以聊了。想从几个大胆的观点开始，因为你花在使用、思考和开发 AI 上的时间，可能比我认识的任何人都多。所以第一个问题：关于 AI 工具的使用，你有哪些观点是大多数人未曾意识到的？

Dan Shipper：我先抛出一个最大胆、但证据最少的观点。我认为 AI 可能是保障美国就业的最大力量之一。很多人担心 AI 会让人失业，当然，它确实会改变工作所需的技能。但它也可能保住很多岗位，有两个原因：

首先，很多昂贵的服务目前只供富人或大企业使用，比如内部法律顾问、客服中心等。AI 智能体降低了这些服务的成本，小公司和个人也能负担，从而带动了新需求。

其次，它能让现有岗位的效率大幅提升。比如，原本一个客服中心需要十个人，现在其中一个人可以服务几千甚至上万用户。这样一来，美国公司雇佣本土员工反而更划算。并且，美国员工在使用这些 AI 工具方面往往做得更好。而且，主要的 AI 模型公司也集中在美国。所以虽然这未必对其他国家有利，但对美国而言是重大机会。这种讨论在“AI 是否会造成失业”的话题中常被忽视。

Lenny Rachitsky：我喜欢这种乐观的视角。虽然对其他国家未必友好，但确实对美国是利好。你还有其他类似的观点吗？

Dan Shipper：另一个观点不算特别有争议，但确实被很多人忽视，Claude Code对非程序员也非常有用。比如 Google 最近发布了 Gemini CLI。简单说，它们就是命令行界面，可以访问本地文件系统、运行终端命令、浏览网页等。你给它一个任务，它可以自动运行 20~30 分钟完成工作。

特别是 Claude Opus 4，这是一次巨大的飞跃。它甚至可以生成多个子智能体并行处理不同任务。在我们公司，几乎每个人每天都在用，每个人都有一堆智能体在为他们工作。但非技术人员基本不会用，因为终端界面太吓人了。

举个例子，你可以把所有会议记录放在一个文件夹里，然后让它读取所有文件，并分析你在何时用语言回避了冲突。它会自己列出一个任务清单，逐条处理，然后给出总结性回答。它不是简单塞进上下文，而是真的“处理”这些文件。对于涉及大量文本的任务，这种方式非常高效。

Lenny Rachitsky：所以它就像你电脑里的一个 AI 助手，能访问本地文件并执行任务。

Dan Shipper：没错。而且它可以持续运行，不容易偏离任务。

Lenny Rachitsky：所以非程序员只需要克服一点门槛：学会打开终端。但一旦用上，就能像自然语言交互那样控制它。这是个很有意思的观点——很多人认为claude code只是程序员的工具，实际它对非技术人员的潜力被严重低估了。

Lenny Rachitsky：除了处理会议记录，你还见过其他有趣的用法吗？

Dan Shipper：我自己常用它来写作。比如我知道你可能会问我最喜欢的书，我先剧透一下，是《战争与和平》。我刚读完第三遍。

Lenny Rachitsky：哇，真是大部头。

Dan Shipper：但它真的很精彩。我觉得托尔斯泰是一位天才。他特别擅长用细节描写人物内心，比如通过面部表情、语调和眼神的不一致表达人物的情绪。我希望自己也能写出那样的描写。

所以我下载了《战争与和平》（它属于公共领域），然后让 Claude Code 阅读前三章，提取所有人物描写细节，为我总结一份写作指南。

它甚至还自动下载了俄文原版，对比不同翻译版本中是否有内容遗漏，帮我理解那些打动我的段落。这种能力很适合深入研究某个主题。比如，如果你有大量客户访谈资料，它也能高效从中提炼信息。

Lenny Rachitsky：你说得我也想用上它了。我现在也在读托尔斯泰的《安娜·卡列尼娜》，是之前一位播客嘉宾推荐的。这本书也很长，我用 Kindle 读了好几个月，还只看了 13%。

Dan Shipper：我有个大胆观点：《战争与和平》比《安娜·卡列尼娜》更出色，尤其对科技从业者来说更具启发性。当然，两本书都非常精彩。

Lenny Rachitsky：这个观点很有意思。我看到你发过一条推文提到一个我也在用的用法：读书时开启 ChatGPT 语音模式，随时向它提问。因为它已经“读过”这本书，不需要你把整本书输入进去。Anthropic 公司也是这样做的——他们购买并扫描了大量书籍，作为训练数据的一部分。所以模型能理解完整的上下文。比如我问它“在俄罗斯社会里这到底意味着什么”，它能直接回答，非常好用。

回到claude code，有个小窍门是：你可以让智能体访问本地文件并在电脑上执行任务，而不需要上传文件或手动粘贴提示词，非常方便。我猜这会很快被广泛采用。

Dan Shipper：我也这么想，而且模型公司很可能会让这项功能变得更易用。像claude code这样的工具，未来可能会融入到我们使用的各种产品和平台中，无论是在网页端还是其他地方。

一开始，很多 AI 应用的思路是把聊天框嵌入现有的界面，比如 GitHub Copilot 会在 IDE 中自动补全代码；Cursor 有一个侧边栏内置对话框。而claude code的不同之处在于，它并不是用来“写”代码的，而是用来“完成任务”的。你只需告诉它想做什么，它就会去执行。

我们正处在一个转折点——AI 的能力足够强，已经不需要你介入执行过程。你只管分派任务，它就能自动完成。

Lenny Rachitsky：是的，我采访过 Cursor 的 CEO Michael Shafrir，他谈到 AI 在代码之外的未来愿景。还有 Baseplate（可能你说的是 Baseplate.ai）的创始人，他在播客里说，公司成立六个月来，过去三个月他没写过一行前端代码，全靠 Baseplate 和 Cursor 这样的工具。这个趋势正在发生。

Dan Shipper：我们 Every 公司也是一样，团队成员已经不再手动写代码了。

Lenny Rachitsky：在你分享下一个大胆观点前，我们得深入聊聊这个。

Dan Shipper：我还有一个关于 AGI的观点。AGI 一直很难定义。图灵测试是一种参考标准，但现在许多模型其实已经超越了这个标准。我们缺乏一个清晰的定义。

我在思考时，想到了一个衡量 AGI 水平的新方式：通过智能体能“自主运行”多长时间来判断。

比如 GitHub Copilot 只能做代码自动补全；ChatGPT 也就回答一个问题。但像 Claude Opus 4、Gemini 等模型，现在已经能独立执行任务 20~30 分钟，期间你无需介入。

这让我想到心理学家温尼科特在《在现实中玩耍》中的理论：婴儿一开始和照料者是“合一”的，之后逐渐学会独处，学会自我调节。成长就是从完全依赖，到逐渐可以独处一段时间。AI 也一样，它们现在可以“独立运行”二三十分钟，将来这个时长会越来越长。

所以我认为，对 AGI 的一个定义可以是：什么时候智能体可以持续运行，而且从经济角度看“让它一直开着”是合理的？

换句话说，它不再等着你输入命令，而是自主地运行在云端、持续执行有价值的任务。你知道让它一直运行是值得的，不想浪费它的潜力。这就像一个青少年，拥有自己的生活节奏，而且这样对你来说是有利可图的。

Lenny Rachitsky：你提到“有利可图”，这也涉及运行和维护的成本问题。

Dan Shipper：对，既包括成本，也包括创造的价值。显然你可以做一些“耍小聪明”的事，比如让 Claude 永远运行一个定时提醒程序，但我说的是更广义上的持续运行——它得真的能创造出实际效益。

我喜欢“盈利”这个衡量标准。因为如果让它持续运行要花钱，那它就必须做出值得投入的事情。那时，我们可能就真正迈入了 AGI 时代。

Lenny Rachitsky：这点很有意思，其实和资深员工的“自主性”很像。员工越有经验，你需要给的指令越少，也不必频繁评估他们的表现。某种程度上，这就是“资深”的体现。挺棒的。你对这个话题还有其他想法吗？

Dan Shipper：很多。我不太喜欢“AI会取代工作”或者“AI将导致三分之二的岗位消失”这样的说法。我也不认同“ChatGPT让人不动脑”这种论调。比如，“医生单独诊断”、“医生+AI”、“只有AI”，结果发现AI表现最好，于是就说医生会被淘汰，这种结论太草率了。

拿医生举例，AI是一种需要掌握的技能。你去测试那些对AI毫无经验的医生，当然可能出现AI表现更好的情况。但医生面对的场景太复杂，一项实验很难得出绝对结论。而且这项技术发展得这么快，不能指望医生现在就精通它。但五到十年后，对于刚步入这个行业的年轻人来说，情况就会完全不同。

至于“AI让人变笨”这种观点——我们在技术史上一直都在“用一种技能换另一种”。柏拉图曾批评写作，认为写字会削弱记忆力，这的确没错。过去的人要靠记忆背诵整部史诗。但我认为，为了写作牺牲点记忆力是值得的。AI也是一样：你对某些任务的参与度可能会降低，但你在其他方面的能力会显著提升。

所以——你当然可以做个实验，得出“AI让大脑连接性下降”的结论。就像你也能发现“写作让人记忆力变差”。但没有人希望回到一个文盲的世界，对吧？

Lenny Rachitsky：确实挺有意思的。有研究显示，AI对学生学习很有帮助，比如尼日利亚的一个研究就发现人们进步得很快。所以像你说的，要承认我们会失去一些东西，但收获可能更大。从目前的情况看，确实是这样。

Dan Shipper：没错。我觉得——一直以来，人们在技术刚出现的早期总是低估变化的速度。我常举个例子：我住在布鲁克林，家附近有家裁缝店，到现在还不收信用卡。信用卡都出来几十年了，这说明就算是最成熟的技术，也需要很长时间才能普及。

而且我觉得我们很容易低估“熟悉的情境”有多复杂，以及在那些场景下做出反应有多难。就算你在标准测试中表现很好，不能说明AI已经能替代你生活中某项具体工作。要感受替代的难度，得更贴近真实。

我一个月前做了个小实验。我叫它“Ken 0.3”——想看看模型能不能预测我在会议上会说什么。灵感来自OpenAI的做法，他们用自己内部代码库作为测试标准，因为这些代码网上找不到，能很好衡量模型的真实能力。我就想，我的会议记录也不在网上，所以用这些数据跑了一些最先进的模型，结果表现很糟糕。

这不是模型不够聪明，而是上下文问题。Spotify的Tobi提出一个词叫“上下文工程”（Context Engineering），意思是在对的时间点给模型提供对的上下文信息。我觉得他说得特别对。我几年前也在写这个问题，当时我叫它“知识编排”，现在看来“上下文工程”是更好的说法。

这不是“一次性搞定”的事，不是你给模型一个大文档它就能自动理解一切。现在还远远没到那一步。但我相信情况会慢慢改善。一旦模型能准确预测我在会议上会说什么，它就能成为真正的工具，彻底改变我开会的方式。现在还没那么简单。

Lenny Rachitsky：有趣。听起来你甚至可以基于这个做个GPT版本的你，然后别人就不用找你开会，直接和它交流。

Dan Shipper： 在某些场景确实可以，我们其实已经在某种程度上这么做了。但和“准确预测我在会议上说什么”还是有差距。尤其是，如果你是创始人、CEO或管理者，你会发现自己工作的很大一部分其实是在“重复说话”。而这正是这波AI革命最实用的地方之一——你终于不用再重复自己了。

比如上个季度，我定的一个目标就是：尽量不在会议上重复说过的话。如果能避免，我就不想再说第二遍。我们有一份每日时事通讯，我经常要对标题、引言和选题质量给出反馈。现在我们把这些反馈内容整理成提示语，交给AI去处理。

这和“模仿我”还不一样。它还不能准确预测我下一句要说什么，但它可以把我过去表达的观点和逻辑抽象出来，应用到新的写作场景中。所以，当某位作者没法直接和我交流时，AI也能代表我先给出建议。等我真正看到内容时，他们其实已经和“另一个我”沟通过了这个真的非常强大。

Lenny Rachitsky：顺着这个话题继续聊。我一直觉得你们正在打造的业务、团队和运营方式，代表了人工智能时代企业运作的最前沿。你们以 AI 为核心的方式，很契合你写的很多内容，值得我们认真研究。首先，介绍一下你们公司是做什么的，然后讲讲你们的一些运营方式。我看到你笑了，很有意思。

Dan Shipper：大家总是这么问，因为我们的公司确实有点特别。虽然有一些公司在尝试类似的方向，但这种形态目前还不常见，也不太容易理解。我认为这是人工智能带来的新可能。简单来说，我们在 AI 前沿进行创意和应用实践。

我们的核心业务是一份每日时事通讯，已经做了大概五年，目前有大约十万名订阅者。很多顶尖的 AI 实验室都在看，比如每当 OpenAI 或 Anthropic 推出新模型，我们都会抢先试用，并发表分析文章。对我来说，这简直就是理想的工作，我真的太喜欢了。

Lenny Rachitsky：太棒了。你们把这些文章称为“氛围评估”，对吧？

Dan Shipper：是的。我们觉得这个概念很重要，它不仅关注模型的表现，更强调使用者的实际感受。标准的基准测试无法捕捉这些内容，而最有资格进行“氛围评估”的，是那些每天都在一线使用这些工具的人。我们发现，最好的技术写作往往出自那些真正使用、构建产品的人。所以我们一边写文章，一边做实验，久而久之，这些实验变成了一些内部应用。

比如我们刚刚公开发布了一款叫 Cora 的应用——就发生在我们录这期节目的当天。Cora 可以看作是你邮箱里的 AI 参谋，帮助你用 AI 管理邮件。我们还有 Sparkle，是一个 AI 文件整理工具；Spiral，专注内容自动化；Lex 是我们最早孵化的一个 AI 文档写作工具，现在已经独立出来，由我联合创始人内森负责运营。

我们把所有这些工具打包在一起，用户支付一次订阅费用，就可以使用全部软件，我们也会持续加入新产品。我之后可以讲讲我们如何孵化这些项目，其中有很多有趣的内容。

Lenny Rachitsky：你们还有一块咨询业务对吧？我也想聊聊那部分。

Dan Shipper：对，那是公司第三个重要板块。虽然它不像软件那样适合“流式”模式，但我们确实花了很多时间与大型企业合作，帮助它们实现“AI 优先”的转型。我们会培训各层级员工如何系统性地使用 AI。这块业务非常重要，也很有意思。

Lenny Rachitsky：我感觉这块业务未来可能价值几十亿美元。我们之后可以详细聊聊。

Dan Shipper：我也这么认为。

Lenny Rachitsky：我知道你们团队很小，但要运营时事通讯、开发几个应用、还有咨询业务。你们到底有多少人？Dan Shipper：15 人。

Lenny Rachitsky：那你来说说你们有哪些高效的运营方式。比如你提到过团队成员基本不写代码，这很令人好奇。

Dan Shipper：对，有几个关键点。首先，我建议每家公司都设立一个“人工智能运营负责人”。我每周会和她见面。只要我在某件事情上出现重复操作，我就会记录下来，她会根据这些信息编写提示词，设计流程，帮助我和团队成员尽可能实现自动化。

这真的非常重要。如果你每天都在赶任务，你很容易用老办法把事情做完，而不是尝试新的、更高效的方式。比如要用 Zapier 建一套无代码流程，很多人根本不会去花那个时间。但有了 AI 运营负责人，就能把这些机会捕捉下来，并真正落地。

关键在于：流程不只是搭好，还得真的被用起来。说白了，你是在公司内部开发一套“迷你应用”。如果你有开发实际可用工具的能力，那就能起到巨大的效果。所以我强烈建议设立这样一个角色。

Lenny Rachitsky：我记得看到 Cora 发推在招聘这个岗位。显然这正成为一种趋势。那你觉得这个岗位应该是独立的吗？主要是服务你，还是可以帮助所有人？他们的工作模式是怎样的？

Dan Shipper：我们现在是让她服务所有人。我们从编辑团队开始。比如我们主编 Kate 每天要花好几个小时做文案润色、统一风格。现在我们用一个叫 Opus 的工具，只要把风格指南和提示词输入进去，就能帮忙做这些校对工作，效果非常好。

但不只是流程搭建，你还要促使行为上的转变。比如我们现在会提醒编辑：有人提交内容了吗？那你有没有先让 AI 跑一下？这其实是个组织层面上的挑战。幸运的是，我们团队每个人都非常拥抱 AI。大家都愿意尝试，也很主动，所以这点推起来比较容易。而很多公司在这方面的阻力就大得多。

Lenny Rachitsky：明白。这位 AI 运营负责人背景是什么样的？

Dan Shipper：她叫 Katie Parrott。她原本经常为我们代笔，我们很多开发者会写文章，但有时候他们需要帮忙，她就参与撰写他们项目相关的内容。后来我们发现她对 AI 很有热情，而且也擅长这方面，就让她承担这块工作。在加入我们前，她在一家叫 Animals 的顶级内容营销机构工作，那家公司流程极其严谨。

她之所以出色，是因为她既擅长构建和优化流程，又是一个优秀的写作者，同时对 AI 有非常强烈的好奇心和探索欲。这种组合很理想。所以我觉得，最理想的 AI 运营负责人，应该是那种乐于探索、愿意动手构建，同时具备一定流程意识的人。如果他们还懂自己服务对象的具体业务，那就再好不过了。

Lenny Rachitsky：这是个很棒的建议。我想很多团队听了之后都会开始招聘这个岗位。

Dan Shipper：我也这么觉得。现在越来越多人在讨论这件事，比如 Rachel Woods，她也很关注 AI 应用的趋势。我觉得这确实正在成为主流。我们从编辑团队开始实践，现在已经扩展到产品，比如 Cora 上的内容也不少。顺便说一句，Cora 的拼写是 C-R-A，不是 Quora，容易混淆。

像 Cora、Spiral 和 Sparkle 这些产品中，文案工作非常多。我们希望所有文案在风格和质量上保持一致。但之前的流程是这样的：工程师在 Slack 上给 Kate 发消息，“这是个 Figma 文件，你能帮忙润色一下文案吗？”这很低效，而且 Kate 只有一个人，根本忙不过来。

于是我们做了一点改进。Cora 项目的工程师 Natasha 写了一个claude code命令，会扫描整个代码库中需要编辑的文案内容，用预设的提示词生成建议，并自动在 GitHub 上创建拉取请求。然后 Kate 只需要审阅这些 PR，看看风格是否合适就行了。你可以把提示词转化成工程师可用的格式，这样产品文案就能从源头上保持一致性。我觉得这真的太酷了。

Lenny Rachitsky：太厉害了。我想稍微换个话题。你提到你常用 Claude，我挺好奇你和团队都用哪些 AI 工具？听起来你们高度依赖云工具。

Dan Shipper：没错，我真的很喜欢云工具。我的首选是 O3（注：Claude 3 Opus）。我当然也是 ChatGPT 用户，但我觉得 O3 的体验特别好，尤其在写作和编程方面。而且它有记忆功能，这是 ChatGPT 目前不具备的，我很喜欢这个特性。

我花了很多时间训练它，比如告诉它我要写得简洁有力。现在它已经掌握了我的风格，写出来的内容甚至比普通 ChatGPT 用户的还贴合我。

我还经常用它做自我反思，比如我会把会议记录发给它，问“我表现得怎么样？”它会说：“你在一件事上做得和平时一样，但在另一件事上明显更好。”这种反馈非常有价值。日常工作中，O3 是我的首选。

然后是 Claude Code。我们开发基本都依赖它，它真的很强大，运行成本也很低。最近他们刚发布了新的命令行工具，我很期待试试。

我也会用 Codex，就是 OpenAI 的代码生成模型，适合快速完成一个小功能。回到 Claude Opus 4，它有一个其他模型都没有的能力。

Lenny Rachitsky：我们就不聊那个模型了，免得你惹麻烦。继续说吧。

Dan Shipper：Opus 4 的一个突出优势是判断内容质量的能力。以写作为例，很多模型在你问“这段写得好吗？”时，总是给个模棱两可的 B+，然后你改一下，它就变成 A-，再改又降分——你根本得不到有用的判断。你可以通过提示工程来稍微优化，比如提供评分模板，但它们普遍缺乏“直觉”，也不擅长评估写作是否有趣、是否优秀。

而 Opus 4 有这种直觉判断能力，这太关键了。我们现在在开发 Spiral 的新版本，这是一款内容自动化工具。你之前用过这个产品，我们现在用 Claude 来构建一个“内容风格生成器”。

你可以说“我要写一条推文”，提供一些相关文档，它会生成一个任务清单，并开始撰写。因为它具备质量评估能力，所以它会自己写三条推文，然后评估哪一条最好，最后反馈给你之前再进行优化。

这对我们是个巨大突破。我们曾经花三个月时间想让模型具备这种评估能力，结果 Opus 4 直接搞定了。我们当时简直兴奋坏了，立刻准备上线产品。

Lenny Rachitsky：你平时还有用其他 AI 工具吗？有没有什么是很多人没注意到，但其实特别实用的？

Dan Shipper：我一直在用 Granola。我以前也用过 Super Whisper 和 Whisper Flow，都很不错。我们还在内部开发一个叫 Monologue 的工具，大概一个月后会发布，目前我已经在用。

它们的核心都是语音转文本。我认为这会是未来的主流界面，更多人应该开始使用这类工具，也值得投入开发资源。Notion 我也在用，尤其喜欢它的会议记录功能。差不多就这些是我日常的 AI 工具组合了。

Lenny Rachitsky：这些信息非常有帮助，也很有趣。我们继续聊聊团队的运作方式。你刚才提到了 Kate，对吧？除了她以外，还有哪些做法是你们认为其他公司应该采纳，或者迟早会效仿的？

Dan Shipper：在 Cora 团队里，还有 Kiran 和 Natasha。团队结构非常紧凑，执行效率也非常高。Dan Shipper：Cora 团队只有两个人——Kiran 和 Natasha，但还有 15 个claude code实例在协作。所以，这个团队比表面看起来要强大得多。

Lenny Rachitsky：这真的让我看到了未来的样子。

Dan Shipper：是啊，有件事我觉得特别酷，而且是他们自己想到的，和我没什么关系。他们提出了“复合式工程”的概念。意思是，每做一项工作，都要让下一次同类工作变得更容易。比如在claude code的环境中，虽然你不需要写太多代码，但你会花很多时间输入信息，比如写产品需求文档（PRD）。

所以你可以选择照常去写这份 PRD，然后下一次又花一样的时间；也可以花点功夫，先整理一下自己的思路，编写一个提示词，把杂乱的想法变成结构清晰的 PRD 模板。这样，未来写文档就更高效、更轻松了。

我们在团队中就采用了这种方法——每次做事都要为下次打基础，从而显著提高了整体效率。目前 Cora 正式上线，之前处于内测阶段，现在有 25 个活跃用户。它每天处理大量邮件，这可是一个 15 人小团队做出来的产品之一，确实挺疯狂的。

Lenny Rachitsky：真的很厉害。你们能做得这么快，是因为不断优化提示词吗？

Dan Shipper：是的，主要靠提示词和自动化。

Lenny Rachitsky：你们实现自动化是用什么工具？

Dan Shipper：主要是用claude code。我们在里面使用斜杠命令，就像是在复用提示词一样。

Lenny Rachitsky：所以你们其实是在构建一个提示词库，让从“我想做一个什么东西”到生成结构完整、能直接输入claude code的 PRD 这个过程变得更高效？

Dan Shipper：完全正确。

Lenny Rachitsky：你们是怎么管理这些提示词的？是放在文件里，还是集中在一个项目里？

Dan Shipper：我们把它们放在 GitHub 上，就像一个仓库，团队成员可以共享、复用这些提示词。另外他们还有一个我觉得特别酷的做法：除了claude code，他们还并行使用了三个不同的智能代理。其中有一个叫 Friday 的，他们特别喜欢。

Lenny Rachitsky：Friday？我听说过这款 AI 工具。

Dan Shipper：还有一个叫 Charlie。他们对 Charlie 的喜欢程度非常高，甚至还做了一个从 S 级到 F 级的 AI 代理评分系统。我们有一整段视频讲这个，改天发给你。Charlie 的一个亮点是可以集成到 GitHub。当你收到一个代码合并请求时，可以直接 @Charlie 让它帮你审查代码，效果很好。

每个智能代理都有不同的风格，就像不同的人有不同的喜好一样。比如 Kiran 特别懂 Ruby on Rails，他偏好像 ChatGPT 这种简洁、专业的风格，而 Claude 则给人另一种感觉。我觉得这些代理的“个性”会影响你使用它们的方式，这也是为什么你可能希望同时使用多个代理——就像组建一个多元视角的团队一样。

Lenny Rachitsky：这让我想起 Peter Deng 曾经谈到他的招聘理念。他招了一些超强的员工，比如 ChatGPT 的现任产品负责人、市场负责人和工程负责人。他的策略不是找全能选手，而是组建“复仇者联盟”，每个人各有专长，组合在一起战斗力超强。我觉得你刚刚讲的这些 AI 代理，也可以用同样的策略。

Dan Shipper：完全同意。我不认为未来会只有一个 AI 代理称霸市场。使用多个代理的组合策略，会是更现实、更有效的路径。

Lenny Rachitsky：Cora 团队的 Kiran 和 Natasha 都是工程师出身吗？

Dan Shipper：是的，两人都是工程师。Kiran 的背景特别丰富。他曾在一家初创公司担任 VP，基本就是 CTO 级别，也是联合创始人之一。在那之前，他是一名职业作曲家，更早以前甚至是面包师。我们去年团队去法国团建，他还教我们做羊角面包——别人做的都皱巴巴的，只有他做得特别完美。

我特别喜欢这种跨界型人才，因为我们这个团队需要的正是那种既懂技术，又富有创意、审美和表达力的多面手。我们正在用 AI 构建很多有趣的东西，拥有不同背景的人对产品的理解和直觉也会更好，尤其是在一个 15 人团队要同时推进五个产品时，这样的组合格外重要。

Natasha 的背景我非常羡慕——她是 ChatGPT 出现后才开始学编程的。她一直对编程感兴趣，但是到了 AI 时代才真正入门。我经常打趣她：我那会学编程得去 Barnes & Noble 买书，还没有搜索引擎、没有 Stack Overflow，最多只能在 BBS 上找点资料。她却可以直接用 AI 工具学习，进步得特别快。

我们团队还有一个叫 Alex Duffy 的年轻人。他刚刚完成了一个项目：让多个 AI 代理玩《外交》这款策略博弈游戏。这整个项目都是他一个人做出来的，非常有才华。他是去年加入我们的。我当时给他安排的是一些小任务，因为他写作能力还不够，还不能独立承担整块内容。但他每次都会记住我给的反馈，把方法写成提示词，然后迅速改进，从不犯同样的错。结果两个月的进步就相当于别人一年的成长。Natasha 也是一样。我觉得现在的年轻人只要有 ChatGPT 订阅、再加上一点指导，就能成长得非常快，甚至远超以往。

Dan Shipper：Cora 团队有两位核心成员，基兰和娜塔莎，还有大约 15 个claude code实例。虽然只是两个人，但这个系统比你想象得更强大。

Lenny Rachitsky：这再次让我看到了未来的样子。

Dan Shipper：他们提出了一个非常酷的做法——其实这个主意是他们想出来的，跟我关系不大。他们称之为“复合式工程”（composite engineering）。核心理念是：每完成一项任务，都要让下一项任务变得更轻松。

举个例子，在claude code的环境中，你可能并不需要写大量代码，但最终会把很多时间花在输入上，比如撰写产品需求文档（PRD）。你可以每次都从头写，也可以思考：是否能先写一个提示词，把零散的想法梳理出来，生成高质量的 PRD？这意味着，你每次花点时间优化流程，后续效率就能不断提升。这种思路能显著提高整个工程团队的产出。

目前我们团队刚刚发布了 Cora，之前还处于内测阶段，现在已有 25 位活跃用户，并且有大量邮件通过这个系统处理。要知道，这只是我们 15 人小团队发布的众多产品之一，真的有点疯狂。

Lenny Rachitsky：确实。你们是怎么做到这种效率的？是不是主要靠不断优化提示词？

Dan Shipper：对，主要靠提示词和自动化。

Lenny Rachitsky：你们用什么工具实现自动化？

Dan Shipper：他们大量使用的是Claude Code。你可以在里面用斜杠命令来复用提示词，就像命令行一样。

Lenny Rachitsky：所以你们本质上是在构建一个提示词库，把“这是我想构建的东西”转换成一份清晰、结构化的 PRD，最后输入claude code系统。

Dan Shipper：对，完全正确。

Lenny Rachitsky：那你们是把这些提示词存成文件，还是像一个项目那样组织起来？

Dan Shipper：我们用 GitHub，有一个共享的提示词仓库。另外，他们还使用了多个智能代理。我印象最深的是他们特别喜欢一个叫 Friday 的代理，还有另一个叫 Charlie。我们甚至做了整段视频讲他们如何给智能代理分等级，从 S 级到 F 级。我觉得这非常有趣。

比如 Charlie 可以集成进 GitHub，当你收到一个代码合并请求时，只需要 @Charlie，它就能自动帮你审查代码。而不同的代理就像不同风格的同事，有人喜欢 Rails，有人偏爱更“简洁”的聊天代理，比如 ChatGPT 或 Claude。每个代理的“性格”不同，也就适用于不同的任务类型。所以我们鼓励大家同时使用多个代理，组合使用反而能产生更强的效果。

Lenny Rachitsky：这真的太有意思了。听起来很像彼得·当提到的“复仇者联盟式”招聘策略——不是雇佣一个全才，而是组建一个由多个专才组成的最强团队。同样的思路也适用于智能代理。

Dan Shipper：完全同意。我也认为不会有哪一个代理能一统天下。

Lenny Rachitsky：Cora 团队的这两位成员是什么背景？都是工程师吗？

Dan Shipper：对，他们都是工程师。基兰曾是初创公司副总裁，相当于技术联合创始人。他以前是作曲家，甚至还当过面包师。有一次我们团队去法国团建，他教大家做羊角面包——别人做得乱七八糟，他的完美得像展示样品。

我尤其喜欢这种跨界背景的人才。因为我们做的是融合型工作，大家都是多面手，想用 AI 做些新奇、有创意的事情。这类人才不仅对智能代理有好品味，还能理解产品设计、落地页等产品层面的细节。

娜塔莎的背景我也很羡慕——她是在 ChatGPT 出现之后才学编程的。她以前就想学，但直到 AI 工具问世后才真正开始。她从来没经历过“没有 AI 帮助”的编程年代。我总跟她开玩笑说，我小时候学编程得去书店买实体书，出问题根本没办法查 Stack Overflow，只能上些奇怪的 BBS 论坛。而她是在完全不同的环境下起步的。结果她的成长速度比我们任何人都快。

比如我们还有个叫亚历克斯·达菲的年轻人，他帮我们撰写《上下文窗口》的内容。他最近刚让几个 AI 智能体一起玩外交游戏（Diplomacy），而且完全是他一个人搞定的。他进步飞快。刚来时我们只敢给他一些小任务，但他会把每一次指导都转化成提示词，之后从不重复同样的错误。短短两个月，成长速度相当于别人一年的水平。这让我意识到，有 ChatGPT 订阅的 20 岁年轻人，只要有人稍加指导，会变得非常强大。

Lenny Rachitsky：这确实涉及很多值得深入讨论的话题。很多人担心入门岗位消失了，年轻人将没有机会学习，最终也难以成为高阶人才。但你提到的这些例子显示，有了像 ChatGPT 这样的工具，大家其实可以一开始就提升到一个更高的水平。

Dan Shipper：没错，关键是理解你一开始就在学习“高于入门级”的技能。这里我想提到我提出的“分配经济”理论——在 AI 时代，最具价值的一类技能就是管理能力。

现在的管理者主要是管理人；而未来，每个人都需要成为“模型管理者”。过去管理者比例很低，因为培养成本太高。未来管理成本会降低很多，所以具备管理能力会成为普遍需求。年轻人不仅要学怎么做事，还要学如何指导、优化，让结果更好。换句话说，他们要同时习得“管理”与“执行”两种能力。

Lenny Rachitsky：这里的“管理”就是指管理智能体，对吧？

Dan Shipper：对，也可以说是“管理 AI”。

Lenny Rachitsky：你之前说，现在你们团队没人写代码，都是管理智能体来完成。这太酷了。工作流程是：你们描述想实现的功能，然后借助优化过的提示词，智能体生成代码。之后你们只需要审查输出、评估效果，反复迭代。你们已经达到 Cursor 的迈克尔所说的状态。他几个月前还说，这种模式将在一年后成为现实——不用亲自写代码。而你们已经实现了。

Dan Shipper：我们确实在很多项目里都做到了。比如负责 Spiral（我们基于claude code构建的内容工具）的Dan尼，前几天还深入研究一个我们打算用的第三方库。他搞懂了原理后，其实不需要自己写代码，只需引导claude code来完成任务。这真的非常重要。

Lenny Rachitsky：听起来我们正迈入一个惊人的阶段——以后或许真的不需要再自己写代码。你们已经做到这一步了，而很多人还没意识到这意味着什么。你们的产品团队完全不写代码。

Dan Shipper：真的一点都不写。特别是当你团队里每个人都是全才、都乐于使用 AI 时，团队协作方式和工程实践都能被重新定义。我认为这种实践经验创造出的内容质量是非常高的。但我也想补充一点：在 Every，如果一个人完全不懂代码，现阶段还是没办法胜任工作的。

Lenny Rachitsky：所以“懂代码”依然是门槛。

Dan Shipper：是的，这确实是个“新标准”。而且我认为在未来很长一段时间里，懂代码依旧会很有价值。这不是突然发生的。就像我中学时学的是 Python、JavaScript，但那时候真正厉害的程序员都懂它们背后的底层语言——C。甚至早在 70 年代，写 C 的人也必须懂汇编语言。

所以，我认为自然语言就像未来的“脚本语言”，我们用英语写提示词生成代码，但理解背后的机制依然很重要。也许 10 到 20 年后这种需求会减少，但现在还没到那一步。就算你是个 JavaScript 开发者，了解它运行的底层机制仍然有价值。掌握这些技能不仅提升能力，也能让你更好地指挥 AI 完成工作。

Lenny Rachitsky：这是个非常重要的观点，很高兴你提到了。你觉得我们距离让非工程师开发出一个完整产品还有多远？

Dan Shipper：比如一个真正的SaaS产品？目前还差得远，基本看不到现实可行性。但确实已经有不少东西可以被产品化。

以DIA为例，那是一个新推出的AI浏览器，里面有类似“小技能”的功能，本质上是小型AI应用，能在网页上运行，完成各种任务。这类工具，非技术人员也能基于ChatGPT等大模型进行定制开发。可以说，非工程师已经能够开发出这类简单应用。

我仍然认为，完全不懂编程的人短期内还无法开发传统SaaS应用，除非只是做个演示。但软件的形态正在发生变化，逐渐变得更像一种内容形态。未来会出现全新的软件形式，不再局限于代码构建，而是通过提示词和配置完成。这种趋势已经显现。这就像好莱坞电影与YouTube视频的区别——门槛被大幅降低，创造者也变得更加多样。

Lenny Rachitsky：这听起来让很多人松了一口气。你认为AI正在大幅提升已有技能者的能力，让他们做得更多。那你们公司在运营效率上有没有什么独特的做法可以分享？

Dan Shipper：我很想谈谈我们是如何决定开发什么样的产品的。我最近才把这些思路系统化。过去更多是凭直觉，但回头看，我们孵化的项目都有一个共性：它们原本是富人或大公司才能负担的服务。

比如邮件助理、心理咨询师、律师，甚至是帮你收拾衣柜或整理电脑的服务。这些过去成本高昂，现在因为AI，成本降低到了人人可用的程度，哪怕是初创公司。

运营AI优先的公司，你会遇到很多小需求，比如“我现在要是有个代笔人就好了”，但现实是请代笔人、请律师都很贵。AI让这些成本结构发生了根本变化。我们会先用ChatGPT或云工具尝试解决，看效果如何，如果有效，就考虑把它拆分成一个产品。这就是今天的特别之处：你能构建的产品类型和过去完全不同了。

五年前，大家还在开发各种变体的笔记应用或者B2B SaaS工具，现在则是一个全新领域，没人完全知道未来会怎样。感觉就像大家都在摸索中前进。很多新的工作流程也正在被重构，类似当年电子表格刚出来时那种状态。后来它变成了数据库、SaaS系统。今天，聊天界面、GPT、大模型和云计算也在经历类似的演进过程。最酷的是，你可以边用边创造流程，而你很可能是第一批真正意识到并实践这些流程的人。

Dan Shipper：“Every”的团队完全以AI为先，大家都是因为认同我们理念才加入的。他们读我们的内容，所以也参与我们打造的工具，自然而然成为第一批用户。我们衡量一个产品是否值得推出，标准是团队内部是否频繁使用。如果大家用得多，那说明它确实解决了问题。

接下来，我们的读者群体，因为和我们理念相近，也会成为下一批用户。这其实是一种非常特别的产品孵化模式。我们做的很多事现在还很前沿，但三年后，可能会成为主流。

Lenny Rachitsky：真的很酷。我听下来是说，GPT包装器是个好主意。

Dan Shipper：GPT包装器太棒了，它们被无端诋毁，人们根本不明白它们有多宝贵。

Lenny Rachitsky：我觉得还有个问题，你们是不是进行了种子轮融资？我想，现在也许是个好时机聊聊这个。毕竟这些产品不一定要成为市值数十亿美元的爆款。没错，你们有一系列公司，也有内容业务。这是一种非常有趣的做法。这些产品要做到多大规模才算成功，也许聊聊这个吧。

Dan Shipper：没错，我真的希望“Every”成为一个教会人们如何借助科技，尤其是人工智能，过上更美好、更有人情味生活的机构。通过文字内容教他们怎么做，然后为他们开发相应工具。对我来说，打造机构的关键在于，我希望这里像一个创意游乐场，我们能冒险、尝试一些看似无厘头的奇怪事，虽然没法向外界解释，但我们觉得很有趣。

我一直在平衡这种矛盾：一方面希望它长久且重要，另一方面希望它充满乐趣。保持这种矛盾感很有价值。所以我一直犹豫是否要大量融资，因为那样会让你变得严肃，专注于业绩。有很多公司能平衡，但我想保留更多选择权，保持玩乐的感觉。可能这也涉及更深的心理因素，愿意随时聊聊。那就是我想要的。

当我们创办“Every”时，只进行了一轮规模很小的70万美元种子前融资。那时正是创作者热潮，大家撒钱很疯狂。但我们只融了70万美元，因为想融足够的钱来尝试、缓冲风险，但不能太多避免束缚。

我们给所有投资者发了邮件——你也是小投资者之一——告知可能不会再融资。我们用了一种稍作修改的简单未来权益协议（SAFE），让投资者三年内随时能转股。这样既保留传统成长路线的可能，也能按自己想法运营。我们喜欢这样。

最近一轮融资，我们从里德·霍夫曼和起跑线风投（Starting Line VC）那里融资最多200万美元。我把这称作“小口抿式种子轮”，承诺投资200万美元，但我们可随时提取，估值上限固定。对我而言，这帮我承担更多风险，如果钱花完还能拿到钱，不用担心。

同时团队不会盯着一大笔钱想着“赶紧花掉”，而且投资者像里德非常认同我们的理念，不在乎规模多大，更看重我们做的事情。我追求的是保持核心创作精神，产生重大影响。影响可以是打造一家价值百亿美元的企业，也可以是真正改变人们看待世界和自我的方式。故事就是这么回事，讲故事的人不一定富有。我想打造一个既能把生意做好的机构，但核心灵魂是关于改变人们看待自己和世界的方式。

Lenny Rachitsky：我喜欢你这折中的融资方式，既不是完全自力更生，也不是传统风险投资。你那200万美元方式很好。如果我筹到5000万美元，我会想，好吧，明白了，但不会把钱全部放银行。你只融200万，已经很多了。你想看到这钱进我们账户吗？

Dan Shipper：这是另一回事。我们看看效果如何，或许两年后我会抱怨没筹到更多。但我认为我们用很少的钱能做很大事。比如Cora，我们全力打造的这个产品，总花费也许30万美元左右，包含自投入。

三年前技术上完全不可能实现，没大语言模型就没法做邮件总结、自动回复这些事。现在两名工程师就能完成以前20人团队的工作量。意味着所需资金更少。风险投资还没跟上这种变化。已有公司在做“种子轮缩减”，我很期待它如何改变VC模式。我们的孵化模式和VC有所不同，也有差异化优势，很酷。我只是摸索适合我的模式，和别人不太一样。未来再看发展如何。

Lenny Rachitsky：几年后回头看，一切似乎顺利。结束前，我问几个问题。你们咨询业务情况怎样？我觉得这是个有趣的板块，可能发展成数十亿美元业务。现在每家公司都想弄明白别人做了什么，而我们没做的。我收到很多CPO邮件，要介绍一些在AI领域表现好的CPO，你们其实帮助了很多公司。第一，能分享一下咨询业务情况吗？第二，你见过表现优异和表现平庸的公司，你觉得差别在哪里？

Dan Shipper：我对咨询业务有明确看法。基本上我们大部分时间花在研究新模型、写文章和用模型开发产品。受众庞大，慢慢很多公司来问我们能不能教他们怎么做。这业务刚起步，过去六到九个月内发展快，已经相当大了。今年可能翻倍，去年大概100万美元，签了几份大合同，可能更多。

Lenny Rachitsky：百万美元规模，我预测未来几年能达十亿美元。

Dan Shipper：我们会花时间研究他们公司，深入了解各团队在做什么，重复性任务是什么。然后我们先给他们一份小报告，讲我们发现的所有内容。我们还做了聊天机器人，用户可以通过它查看访谈内容，得出见解。仪表盘显示哪些团队感兴趣，哪些不感兴趣。通过AI分析，还能看出不同团队的潜在影响力。这很酷。

这是我和德文一年前花周末开发的应用，亚历克斯后来帮忙升级。我们给每个团队定制培训课程，四周每周一小时。人工智能是通用技术，10%人超级好奇，10%永远不用，80%的人会说“告诉我怎么用，我就用”。

培训内容告诉你具体用哪些提示词，何时使用，推动应用。培训效果不错。之后我们帮他们构建自动化流程，做AI运营工作。客户很喜欢。我们合作的包括大型对冲基金、私募股权公司和大企业。

关于第二个问题：是什么区分了成功和失败的公司？我认为最重要的指标是首席执行官是否在用聊天工具，比如ChatGPT或者类似聊天机器人。如果CEO一直用，觉得它最酷，其他人也会跟着用。反之，如果CEO说“不关我事”，没人带头做；或者有不切实际的期望，最终会失望。但那些一直用的CEO，既激发团队热情，又设定合理期望，效果很好。

比如我们合作的Walleye对冲基金，规模100亿美元。他们做得非常好。CEO做的第一件事是发内部邮件宣布“我们是一家以AI为先的公司”，每个人都收到通知。我很喜欢他发邮件那句：“我用ChatGPT写了这封邮件，你们也该这么做。”

Lenny Rachitsky：邮件里得这么写。

Dan Shipper：你得在这方面起到带头作用，以这种方式引领。他的做法，我觉得很多其他很棒的公司也在这么做：每周开一次会议，让大家分享提示词和使用案例。还会每周给全公司发邮件，报告ChatGPT使用统计，表扬贡献者，营造意识和动力。

回到之前观点，公司里有10%是早期采用者，你要找到并突出他们，因为他们会花时间摸索有效方法，然后把经验传授给其他人，鼓励更多人参与。我觉得这就是秘诀。

Lenny Rachitsky：太棒了。我喜欢这个建议。总结一下你刚才的内容：一是发备忘录，提出“以人工智能为先”的理念，纳入绩效评估，问员工：“之前做不到的，现在能用AI做了吗？”

二是每周开会，分享人工智能使用经验，线下或线上都行。三是每周发统计邮件，说明整体ChatGPT使用情况和突出贡献。我特别喜欢这个经验法则：如果CEO每天使用ChatGPT或类似工具，事情会顺利推进。真的很酷。

为了结束对话，我想回到你提到的“分配时代”概念。如果我理解没错，之前是“知识时代”，人们靠做事获得报酬。你的观点是，我们进入了“分配时代”，管理技能更重要，会花更多时间做管理。这很好，也让人思考未来重要技能。请你分享看法，让大家了解你的思路。

Dan Shipper：好的，这基于我两年半前写的一篇文章。那时智能体还不被看好。我当时思考如何表达，根据自己每天使用技术的经验，哪些技能对我有用。我觉得做预测的最好方法就是亲自实践，这影响你看法。用GPT-3或4时，我发现花很多时间思考：

• 如何阐述问题？
• 问题是什么？
• 如何收集解决问题的正确信息？
• 如何以模型能理解的方式呈现信息？
• 如何选择合适模型？
• 如何分配任务（比如哪个模型负责什么）？
• 如何反馈给模型？
• 如何对结果有清晰愿景，设定评估标准，判断结果是否理想？

这些就是我使用工具的方式。当时我想，这其实就是管理。很多人抱怨：“我怎么让AI做？不相信它能做好，还是自己做吧。”我想说，这跟新经理第一次带团队时遇到的问题一模一样：你担心任务分出去不会按预期完成，自己做又不能发挥团队力量。管理者必须学会何时微观管理，何时放权，如何建立信任，如何分配任务。所以这些技能有很多重叠。现在这些技能没广泛普及，但未来会的，因为成为管理者的成本会大幅降低。

Lenny Rachitsky：具体来说，你强调的高价值技能包括评估人才、设定愿景、品味，以及你说的何时深入细节，何时合理探究。太棒了。你还提到通才未来更有价值，每个人都是通才。多分享些这方面内容吧。

Dan Shipper:是的，我发现，我是说，也许是因为我是个通才，所以你可以对我这话打个折扣。

我觉得人工智能让我如此着迷的一点在于，我喜欢涉足不同领域。一天之内，我可以编写应用、制作视频、生成图像、写作等等，而ChatGPT随时帮助我。 我在想，从古希腊到现在，文明发展中，专业化越高，协作越高效。跨越不同人群。 这有点像亚当·斯密说的，有个别针工厂，专业化与贸易带来很多积极影响。 我最喜欢的例子是古希腊雅典。雅典是通才型文明，至少对公民来说是这样。

当然，他们对女性和奴隶的态度不好，但先不说这个。 作为雅典公民，你可能会承担多种角色：战士、法官、陪审员，人生中扮演多种社会角色。 后来雅典成了帝国，你派将军去西西里入侵，肯定希望他非常专业，通才模式开始瓦解。 逐渐人们开始有特定角色，相互协作，我认为这种模式促进了文明发展，但在很多方面，也没那么有趣了。 成为全面发展的人很酷。我觉得人工智能有趣在于，你可以把它想象成口袋里装着一万个博士。 它对人类知识各分支、各种艺术形式、制造方法了如指掌。

你随时能获取这些知识，完成很多专业任务，甚至是你花十年才能掌握的知识，比如某种蝉的繁殖方式。 现在口袋里有东西随时提供这些信息，你可以更轻松在不同技能间切换，做更多事情。 对创业者来说，我觉得团队能保持15人规模的时间会比以前长，这样每个人能更长时间保持通才状态。 我认为这可能产生连锁反应，未来出现更多由通才组成的小型组织，而不是每人只做一环节的大企业。 我觉得这是好事。

Lenny Rachitsky: 这让我想起我最近请的私人健身教练。她说自己有大局观但不擅长执行和组织。ChatGPT对她是救星，她只要说想做什么，它就帮她完成。太棒了。 我真想知道人工智能能释放多大价值。这太惊人，完全符合预期。 现在进入快速问答环节，Dan，你准备好了吗？

Dan Shipper: 准备好了。

Lenny Rachitsky: 你最常推荐的两三本书是什么？

Dan Shipper: 我推荐《沃伦·和平》，了解塔尔萨必读。 还有《伊万·伊里奇之死》。 乔治·桑德斯的《雨中池塘里的游泳》，俄罗斯短篇小说集，和写作有关。我喜欢俄罗斯作家，因为他们探讨科技对传统生活的影响。 他们介于对世界的浪漫主义和理性进步之间，比如《安娜·卡列尼娜》中列文和农民在田间干活的情节。 托尔斯泰思考，如果做一个提高农场效率的贵族，还是做一个简单快乐的人。 他们探讨很多和人工智能相关的问题。 还有《主人与使者》，探讨大脑不同半球如何看待现实，也和AI有联系。 这三四本我都很推荐。

Lenny Rachitsky: 很棒的书单！之前没人提过这些书，太好。你最近喜欢的电影或剧集是什么？

Dan Shipper: 我超爱《朽木》。你看过吗？

Lenny Rachitsky: 太喜欢了。它停播真遗憾，好像HBO有别的安排。真棒的剧。

Dan Shipper: 大卫·米尔奇太厉害，他是国宝级编剧。我喜欢它讲秩序如何从混乱中诞生。 这是一个边境小镇，人们来这里没法律没规则。到了第三季，有了市长，各产业发展，成了真正城镇。 我很喜欢这一点，觉得西部边境的发展和科技发展有很多相似之处。这部剧是对动态变化的有趣研究。

Lenny Rachitsky: 我喜欢这种万物相连的感觉，和科技、AI的诞生都有关。谢谢你。 你最近发现并喜欢什么产品？

Dan Shipper: 你说我特别喜欢的那种？我大部分时间用公司内部产品。 我一直推荐Granola，真的很喜欢。唯一不满是希望能导出所有笔记，有API接口。除此之外，是款很棒的产品。

Lenny Rachitsky: 这几个月这个环节里，Granola绝对被提到最多。还有番茄酱。顺便说，如果成为我时事通讯年度订阅者，可以免费用Granola一年，整家公司都免费一年，超划算。

Dan Shipper: 我可不是做推广，我只是表达真实感受。很高兴它成了订阅福利。

Lenny Rachitsky: 太棒了。你有经常用且觉得工作生活中有用的座右铭吗？

Dan Shipper: 查过，我参加你播客前查了一下。座右铭是“深度见证，勇敢构建。珍视缓慢专注的观察，无论是阅读托尔斯泰作品、追踪冥想主题，还是剖析大卫·米尔奇段落”。和我提到的内容有关，很有趣。 还有“勇敢构建”，就是把洞察转为具体成果，比如文章、长文。 我觉得有道理。这让我想起小普林尼说的“做值得书写的事，写值得阅读的文”。总结得很好。你觉得呢？

Lenny Rachitsky: 做值得书写的事，读值得阅读的文。

Dan Shipper: 对，读值得阅读的文。

Lenny Rachitsky: 这应该成为我们时事通讯宗旨。很棒。喜欢你用ChatGPT查座右铭。

Dan Shipper: 座右铭？它没直接给答案，但给灵感。我觉得这就是我用它的方式。

Lenny Rachitsky: 它已经成了我们大脑的延伸了。最后一个问题：我看到你曾写过一段时间停止写作，觉得需要去做其他事比如创业。后来意识到要重新写作，因为事情不顺。能讲讲当时发生了什么吗？我之前不知道这事。

Dan Shipper:这不太像快问环节的问题，我会尽量说快点。 创业时，即使我不融太多资，保持对公司掌控，也有很大诱惑按自己认为正确方式经营公司。 我纠结，我喜欢写作，也喜欢商业。身边没多少既成功创业又坚持写作的榜样。后来发现其实有，只是之前不知道。 一开始公司发展好，因为我和内森写了很多东西。 但我停止写作后，公司发展不好。媒体公司和科技创业公司模式不同。

媒体创始人招人做产品，如果没找到产品市场匹配，且招来的写手不好，就会有问题。 这很难，和创业常规完全不同。创业是先做出产品原型再招人完善。 我纠结这对事业影响。 承认我想写作很难，因为身边没那种创业又写作的榜样。创业三年后，公司发展平平，我也痛苦，因为没做真想做的事。 我问ChatGPT，有没有创业又写作的人。

它列了很多：Trello和Stack Overflow创始人乔尔·斯波尔斯基；认识的杰森·弗里德；播客和冥想App创始人山姆·哈里斯；创办The Ringer卖给Spotify的比尔·西蒙斯。 这些人创业模式有迹可循，不是典型硅谷模式。 我想，我就做作家，感觉有趣。转变后，我保留创业者身份，把写作放核心，不再为此不好意思。

这对公司和我都有好处。投入写作越多，越发现告诉别人你创业做时事通讯、孵化App、咨询服务，他们觉得你疯了，因为大家以为创业要专注。 但我做自己最渴望的事，结果都不错。 每天做不喜欢、不适合的事代价大。追随内心，你会找到适合自己的工作模式。 这种模式有相似处，也有独特之处。 找到独特模式，而不是盲目模仿，才更可能成功，也更好生活方式。

Lenny Rachitsky:好的，也许丹尼会觉得不错。Dan，这太棒了。非常感谢分享，感谢参加节目。